第十一章数据挖掘课件.ppt

第十一章 数据挖掘 本章结构 11.1数据挖掘的基本概念? 11.2数据挖掘算法 11.3数据挖掘实施方法 11.4 CRM中数据挖掘的基本应用 11.1数据挖掘的基本概念 11.1.1数据挖掘定义 数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、 模糊的、随机的实际应用数据中提取人们感兴趣的知识，这些知识是隐 含的、事先未知的、潜在有用的信息 数据挖掘是一个交叉学科，它涉及了多个学科的思想和方法，比 如数据库系统、数理统计学、人工智能、可视化和信息科学 11.1.2数据挖掘的数据来源 11.1.3数据挖掘技术 数据挖掘的技术基础是人工智能。人工智能是以自动机为手 段，通过模拟人类宏观外显的思维行为，从而高效率的解决事实世 界问题的科学和技术。但是数据挖掘仅仅利用了人工智能中一些已 经成熟的算法和技术： ?11.1.4数据挖掘的应用 数据挖掘在生物医学中的应用 数据挖掘在电信业中的应用 数据挖掘在金融业的应用 ? 11.2.1关联分析（association analysis） 要了解关联规则挖掘首先要了解两个概念，即支持度和置信度 支持度 置信度 同时满足最小支持度和最小置信度的规则称为强规则。关联规则挖掘 就是寻找强规则的过程 Apriori算法是一个关于单维、单层、布尔规则的方法。因此它也 是关联规则挖掘中形式最简单的方法 我们用一个简单实例介绍Apriori算法的实现方法 根据表11-1中的事务数据进行Apriori算法，过程如下图所示 最终得到一个频繁项集{ A，B，D}。这就是用Apriori算法寻找频繁项集的过程。 11.2.5孤立点分析 孤立点又叫噪声，是数据库中与数据的一般模式不一致的数据对象 孤立点分析主要包括了基于统计的孤立点检测、基于距离的孤立点 检测等多种方法 ?11.2.6复杂类型数据分析方法 空间数据挖掘是针对空间数据库进行的数据挖掘。空间数据库中存储 了大量与空间有关的数据，比如地图、医学图像等 多媒体数据库中的存储对象是多媒体对象，如音频数据、视频数 据、图像数据等。多媒体数据库挖掘主要是对图像数据的挖掘 文本挖掘技术可对文本文档进行内容总结、关联分析、分类和 聚类分析等。文本挖掘可以用于文档管理、邮件管理、市场研究、 信息收集等许多方面 11.3数据挖掘实施方法 11.3.1数据挖掘过程模型 11.3.2数据挖掘的基本步骤 这是数据挖掘的第一步，确定分析和预测的目标相当于需求分 析，主要是明确业务目标 分析数据即对数据挖掘库中的数据进行分析，比如计算数据的平 均值、标准差等统计信息，以便发现数据的分布 建立模型是根据模型分析目标选择合适的方法和算法对数据进行 分析，得到一个数据挖掘模型的过程 为了验证模型的有效性，选择最优的模型，一般会将数据集分 为两部分，一部分用于建立模型，另一部分则用于测试模型 对模型的评估主要需要考虑以下几个方面： 11.4 CRM中数据挖掘的基本应用 11.4.1数据挖掘在客户分类中的应用 客户分类是指将所有客户分成不同的类的过程。对客户进行分类有 利于针对不同类型的客户进行客户分析，分别制定客户服务策略 11.4.2数据挖掘在客户识别和客户保留中的应用 （1）数据挖掘在客户识别中的应 识别客户是企业发现潜在客户、获取新客户的过程 （2） 数据挖掘在客户保留中的应用 客户识别是获取新客户，而客户保留则是留住老客户、防止客户 流失的过程 11.4.3数据挖掘在客户忠诚度分析中的应用 客户忠诚度的提高是企业客户关系管理的一个重要目标。数据挖掘 在客户忠诚度分析中主要是对客户持久性、牢固性和稳定性进行分析 ?11.4.4数据挖掘在客户盈利率分析中的应用 客户盈利率是一个定量评价客户价值的指标。客户盈利率的计算并 不需要数据挖掘。而数据挖掘技术在客户盈利率分析中的应用主要体现 在“分析” 11.4.5数据挖掘在个性化营销中的应用 个性化营销是面向客户的营销，也是客户关系管理的重要组成部 分